Sieci neuronowe

Godziny kontaktowe (z udziałem nauczyciela akademickiego)

Wykład: 15

Laboratorium: 10

Łączna liczba godzin z udziałem nauczyciela akademickiego: 25

Godziny nie kontaktowe (praca własna studenta)

zapoznanie się z odpowiednią literaturą odnoszącą się do kolejnego wykładu: 7

przygotowanie do egzaminu: 5

realizacja zleconych zadań projektowych: 18

Przygotowanie się do laboratorium: 5

Łączna liczba godzin nie kontaktowych: 35

SUMA GODZIN Moduł podstawowy: 60

Sumaryczna liczba punktów ECTS dla modułu: 2

SN_W_01, SN_W_02, SN_W_03, SN_W_04, SN_W_05 - Wykład: egzamin ustny składający się z 4 pytań ocenianych każde w skali 2-5. Wynik końcowy: średnia ocen pytań.

SN_U_01, SN_U_02, SN_U_03, SN_U_04 - Laboratorium: 20% za indywidualną aktywność studenta na zajęciach; 40% za zaliczenie każdego z zadań projektowych (2 zadania).

Moduł zapoznaje studentów z podstawową wiedzą dotyczącą sztucznej inteligencji obliczeniowej oraz wybranymi jej technikami obliczeniowymi.

1) J. Żurada, M. Barski, W. Jędrych, Sztuczne sieci neuronowe (Wydawnictwo Naukowe PWN, Warszawa).

2) R. Tadeusiewicz, Sieci neuronowe (Akademicka Oficyna Wydawnicza, Warszawa).

3) SNNS Stuttgart Neural Network Simulator User Manual, Version 4.2.

4) R. Tadeusiewicz . T. Gąciarz, B. Borowik, B. Leper, Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C# (Polska Akademia Umiejętności, Kraków).

WIEDZA

SN_W_01 - Ma wiedzę dotyczącą podstawowych właściwości neuronów biologicznych; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22

SN_W_02 - Ma wiedzę dotyczącą podstawowego modelu sztucznych neuronów (model McCullocha-Pittsa); K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22

SN_W_03 - Ma wiedzę o podstawowych typach architektury sztucznych sieci neuronowych; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22

SN_W_04 - Ma wiedzę dotyczącą podstawowych algorytmów uczenia nadzorowanego sztucznych sieci neuronowych (algorytm propagacji wstecznej błędu) oraz ich modyfikacji i uogólnień; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22

SN_W_05 - Ma wiedzę o zastosowaniach sztucznych sieci neuronowych w nauce i technice; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22

UMIEJĘTNOŚCI

SN_U_01 - Potrafi wykorzystać w symulacjach sztucznych sieci neuronowych niekomercyjne aplikacje (Stuttgart Neural Network Simmulator); K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19

SN_U_02 - Potrafi symulować neuron progowy i neuron McCullocha-Pitsa z innymi niż progowa funkcjami aktywacji oraz analizować przetwarzanie informacji przez taki neuron; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19

SN_U_03 - Potrafi symulować układy bramkowe z wykorzystaniem pojedynczych neuronów oraz prostych sieci neuronowych; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19

SN_U_04 - Potrafi konstruować warstwowe sieci jednokierunkowe, przeprowadzać na nich proces uczenia nadzorowanego metodą wstecznej propagacji błędu i wykorzystywać je w roli klasyfikatorów; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19